Foundation models for electricity price forecasting and battery arbitrage: Can they replace market-specific forecasting models?
بينما تُظهر النماذج التأسيسية مثل TabPFN دقة إحصائية فائقة في التنبؤ بأسعار الكهرباء عبر أسواق متعددة، إلا أنها لا تحل محل النماذج الخاصة بكل سوق بشكل شامل لأن قيمتها الاقتصادية في عمليات المراجحة للبطاريات تعتمد بشكل كبير على استراتيجية القرار المحددة والقدرة على تحمل المخاطر.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
تعد الكهرباء هي شريان الحياة الخفي للمجتمع الحديث، فهي تتدفق عبر الأسلاك لتشغيل كل شيء، من مصابيح الشوارع إلى المستشفيات. لكن سعر تلك الكهرباء ليس ثابتاً؛ فهو يتذبذب بشدة، ويرتفع أحياناً إلى مستويات شاهقة، وينخفض أحياناً أخرى إلى مناطق سالبة. وتدفع هذه التقلبات في الأسعار مجموعة معقدة من العوامل: مقدار ما يتوفر من طاقة الشمس والرياح لتوليد الطاقة، وتكلفة الوقود، ومقدار الطاقة التي يستخدمها الناس في أي لحظة معينة. ولأن هذه الأسعار تتغير بشكل غير متوقع، فإن الشركات التي تمتلك بطاريات أو تدير شبكات الطاقة تحتاج إلى تخمين السعر المستقبلي بدقة مذهلة. فإذا تمكنوا من التنبؤ بارتفاع حاد في السعر، يمكنهم شراء كهرباء رخيصة، وتخزينها في بطارية، ثم بيعها لاحقاً لتحقيق ربح. وإذا أخطأوا في التخمين، خسروا المال. ولعقود من الزمن، بنى الخبراء نماذج حاسوبية متخصصة صُممت خصيصاً لهذه الأسواق المحددة، لتعلم الإيقاعات الفريدة لكل شبكة طاقة في كل بلد.
ومؤخراً، ظهر نوع جديد من الذكاء الاصطناعي، يعد بالقيام بنفس المهمة دون الحاجة لأن يتم تعليمه تفاصيل أي سوق بمفرده. تُسمى هذه النماذج "النماذج التأسيسية" (foundation models). تخيل طالباً قرأ ملايين الكتب في جميع المواضيع الممكنة؛ عندما تسأله عن موضوع معين، يمكنه الإجابة فوراً دون الحاجة إلى كتاب مدرسي جديد. وبالمثل، تم تدريب هذه النماذح التأسيسية على كميات هائلة من البيانات من مجالات مختلفة، على أمل أن تتمكن من تطبيق ما تعلمته على أسعار الكهرباء فوراً، دون الحاجة إلى تدريب إضافي. والسؤال الكبير لصناعة الطاقة هو ما إذا كانت أدوات الذكاء الاصطناعي العامة هذه جيدة بما يكفي لتحل محل الخبراء المتخصصين والمعدلين وفقاً للسوق، والذين كانوا هم المعيار السائد لسنوات.
لقد وضع فريق من الباحثين من بولندا والدنمارك هذه النماذج التأسيسية الجديدة تحت اختبار صارم للإجابة على هذا السؤال. فقد جمعوا بيانات أسعار الكهرباء لمدة خمس سنوات من ثلاثة أسواق أوروبية مختلفة للغاية: ألمانيا وبولندا وإسبانيا. وقد اختيرت هذه البلدان لأن لديها مزيجاً مختلفاً من مصادر الطاقة؛ حيث تعتمد ألمانيا وإسبانيا بشكل كبير على الرياح والطاقة الشمسية، بينما لا تزال بولندا تستخدم كمية كبيرة من الفحم. وقد وضع الباحثون تسعة إصدارات مختلفة من هذه النماذج التأسيسية الجديدة في مواجهة اثنين من أفضل النماذج المتخصصة الموجودة والتي يستخدمها المحترفون. لم يكتفوا بسؤال النماذج عن تخمين السعر فحسب، بل اختبروا مدى قدرة النماذج على التنبؤ بالنطاق الكامل للأسعار الممكنة، بما في ذلك الارتفاعات والانخفاضات النادرة ولكن الخطيرة. وأخيراً، اتخذوا الخطوة الأكثر أهمية: قاموا بمحاكاة استراتيجية تداول في العالم الحقيقي. فقد استخدموا تنبؤات كل نموذج لتشغيل نظام تخزين بطارية افتراضي، حيث يقوم بشراء وبيع الكهرباء على مدار خمس سنوات لمعرفة أي نموذج حقق أكبر قدر من المال.
وكشفت النتائج عن انقسام مفاجئ بين الدقة الإحصائية والربح في العالم الحقيقي. فمن حيث مهارة التنبؤ الخام، تفوقت عائلة واحدة من النماذج التأسيسية، تُعرف باسم (TabPFN)، باستمرار على الخبراء المتخصصين في جميع البلدان الثلاثة. كانت هذه النماذج قادرة على التنبؤ بالسعر بدقة أكبر من الطرق التقليدية، حتى دون أن يتم تدريبها على التاريخ الخاص بتلك الأسواق. ومع ذلك، تغيرت القصة عندما نظر الباحثون إلى الحساب البنكي. فبينما كانت نماذج (TabPFN) متفوقة إحصائياً، إلا أنها لم تترجم تلقائياً إلى أعلى الأرباح. فقد اعتمدت النتيجة كلياً على مقدار المخاطرة التي يرغب المتداول في تحملها. فعندما كانت استراتيجية التداول عدوانية ومستعدة لقبول مخاطر أعلى، حققت نماذج (TabPFN) أكبر قدر من المال. ولكن عندما كانت الاستراتيجية حذرة وتتجنب المخاطر، حقق النموذج القديم المتخصص المسمى (DDNN-JSU) أرباحاً أكثر، على الرغم من كونه أقل دقة في تنبؤاته الخام.
يشير هذا الاكتشاف إلى أن النماذج التأسيسية الجديدة هي أدوات قوية، لكنها ليست بديلاً شاملاً للنماذج المتخصصة التي تم صقلها على مدى عقود. فالخيار الأفضل يعتمد على الهدف المحدد. فإذا كان الهدف هو الحصول على الصورة الإحصائية الأكثر دقة للمستقبل، فإن النماذج التأسيسية الجديدة ممتازة. ولكن إذا كان الهدف هو تعظيم الربح في بيئة تداول حذرة، فإن النماذج القديمة المتخصصة لا تزال تمتلك الأفضلية. وتخلص الدراسة إلى أنه بينما تعد أدوات الذكاء الاصطنا_ني الجديدة هذه خطوة كبيرة للأمام ويمكنها تحسين التنبؤ، إلا أنه يجب النظر إليها كأجزاء قوية في نظام أكبر بدلاً من كونها حلاً سحرياً يحل كل المشكلات. إن مستقبل تداول الكهرباء من المرجح أن يتضمن مزيجاً من هذه الأدوات العامة الجديدة والخبرة النوعية المحددة للسوق التي بُنيت على مر السنين.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.